MySQL数据库的设计规范

目录

一、为什么需要数据库设计

一、糟糕数据库和良好数据库的区别

二、数据库的设计

二、范式

1、范式中键相关的概念

2、第一范式（1st NF）

3、第二范式（2nd NF）

4、第三范式(3rd NF)

5、小结

三、反范式化

1、概括：

2、规范化 vs 性能：

3、增加元余字段的建议

4、历史快照、历史数据的需要

四、ER模型

1、要素

2、把ER模型转换为具体的数据表的原则

五、数据表的设计原则

1、三少一多

六、数据库对象编写建议

1、关于库

2、关于表、列

3、关于索引

4、SQL编写

一、为什么需要数据库设计

一、糟糕数据库和良好数据库的区别

如果是糟糕的数据库设计可能会造成以下问题

1. 数据冗余、信息重复，存储空间浪费
2. 数据更新、插入、删除的异常
3. 无法正确表示信息
4. 丢失有效信息
5. 程序性能差

良好的数据库设计则有以下优点

1. 节省数据的存储空间
2. 能够保证数据的完整性
3. 方便进行数据库应用系统的开发

        总之，开始设置数据库的时候，我们就需要重视数据表的设计。为了建立 冗余较小、结构合理 的数据库，设计数据库时必须遵循一定的规则。

---

二、数据库的设计

二、范式

1、范式中键相关的概念

• 超键: 能唯一标识元组的属性集叫做超键
• 候选键:如果超键不包括多余的属性，那么这个超键就是候选键
• 主键:用户可以从候选键中选择一个作为主键
• 外键:如果数据表 R1中的某属性集不是 R1 的主键，而是另一个数据表 R2 的主键，那么据表 R1 的外键。
• 主属性:包含在任一候选键中的属性称为主届性。
• 非主属性: 与主属性相对，指的是不包含在任何一个候选键中的属性。

        通常，我们也将候选键称之为“码”，把主键也称为“主码”。因为键可能是由多个属性组成的，针对单个属性，我们还可以用主属性和非主属性来进行区分。

2、第一范式（1st NF）

1. 第一范式主要是确保数据表中每个字段的值必须具有 原子性，也就是说数据表中每个字段的值为 不可再次拆分的最小数据单元。
2. 我们在设计某个字段的时候，对于字段 X 来说，不能把字段 X拆分成字段 X-1 和字段 X-2。事实上，任何 DBMS都会满足第一范式的要求，不会将字段进行拆分。

3、第二范式（2nd NF）

1. 第二范式要求，在满足第一范式的基础上，还要满足数据表里的每一条数据记录，都是可唯一标识的。而且所有非主键字段，都必须完全依赖主键，不能只依赖主键的一部分。如果知道主键的所有属性的值，就可以检索到任何元组(行)的任何属性的任何值。
2. (要求中的主键，其实可以拓展替换为候选键)

4、第三范式(3rd NF)

1. 第三范式是在第二范式的基础上，确保数据表中的每一个非主键字段都和主键字段直接相关，也就是说，要求数据表中的所有非主键字段不能依赖于其他非主键字段。(即，不能存在非主属性A 依赖于非主属性 B，非主属性B依赖于主键C的情况，即存在“A一B一C”的决定关系)通俗地讲，该规则的意思是所有非主键属性 之间不能有依赖关系，必须相互独立。
2. 这里的主键可以拓展为候选键。

5、小结

关于数据表的设计，有三个范式要遵循

1. 第一范式（1NF) ，确保每列保持 原子性数据库的每一列都是不可分割的原子数据项，不可再分的最小数据单元，而不能是集合、数组、记录等非原子数据项。
2. 第二范式(2NF)，确保每列都和主键 完全依赖。尤其在复合主键的情况下，非主键部分不应该依赖于部分主键。
3. 第三范式(3NF)确保每列都和主键列 直接相关，而不是间接相关。

范式的优缺点

• 范式的优点:数据的标准化有助于消除数据库中的 数据几余，第三范式(3NF)通常被认为在性能、扩展性和数据完整性方面达到了最好的平衡。]
• 范式的缺点:范式的使用，可能 降低查询的效率。因为范式等级越高，设计出来的数据表就越多、越精细，数据的几余度就越低，进行数据查询的时候就可能需要 关联多张表，这不但代价昂贵，也可能使一些 索引策略无效。

        范式只是提出了设计的标准，实际上设计数据表时，未必一定要符合这些标准。开发中，我们会出现为了性能和读取效率违反范式化的原则，通过 增加少量的冗余 或重复的数据来提高数据库的 读性能，减少关联查询，ioin 表的次数，实现 空间换取时间 的目的。因此在实际的设计过程中要理论结合实际，灵活运用。

        范式本身没有优劣之分，只有适用场景不同。没有完美的设计，只有合适的设计，我们在数据表的设计中，还需要根据需求将范式和反范式混合使用。

---

三、反范式化

1、概括：

        有的时候不能简单按照规范要求设计数据表，因为有的数据看似冗余，其实对业务来说十分重要。这个时候，我们就要遵循 业务优先 的原则，首先满足业务需求，再尽量减少元余。
        如果数据库中的数据量比较大，系统的UV和PV访问频次比较高，则完全按照MySQL的三大范式设计数据表，读数据时会产生大量的关联查询，在一定程度上会影响数据库的读性能。如果我们想对查询效率进行优化，反范式优化 也是一种优化思路。此时，可以通过在数据表中 增加冗余字段 来提高数据库的读性能。

2、规范化 vs 性能：

1. 为满足某种商业目标，数据库性能比规范化数据库更重要
2. 在数据规范化的同时，要综合考虑数据库的性能
3. 通过在给定的表中添加额外的字段，以大量减少需要从中搜索信息所需的时间
4. 通过在给定的表中插入计算列，以方便查询

3、增加元余字段的建议

增加冗余字段一定要符合如下两个条件。只有满足这两个条件，才可以考虑增加几余字段。

1. 这个几余字段 不需要经常进行修改 
2. 这个几余字段 查询的时候不可或缺

4、历史快照、历史数据的需要

        在现实生活中，我们经常需要一些余信息，比如订单中的收货人信息，包括姓名、电话和地址等。每次发生的订单收货信息 都属于 历史快照，需要进行保存，但用户可以随时修改自己的信息，这时保存这些几余信息是非常有必要的。
        反范式优化也常用在 数据仓库 的设计中，因为数据仓库通常 存储历史数据，对增删改的实时性要求不强，对历史数据的分析需求强。这时适当允许数据的冗余度，更方便进行数据分析。
我简单总结下数据仓库和数据库在使用上的区别:

1. 数据库设计的目的在于 捕获数，而数据仓库设计的目的在于 分析数据;
2. 数据库对数据的 增删改实时性 要求强，需要存储在线的用户数据，而数据仓库存储的一般是 历史数据;
3. 数据库设计需要 尽最避免冗余，但为了提高查询效率也允许一定的 冗余度，而数据仓库在设计上更偏向采用反范式设计。

---

四、ER模型

1、要素

1. 实体，可以看作是数据对象，往往对应于现实生活中的真实存在的个体。
2. 强实体：不依赖于其他实体的实体；弱实体，则对另一个实体有很强的依赖关系。
3. 1对1：只实体之间的关系是一一对应的
4. 1对多：指一边的实体通过关系，可以对应多个另外一边的实体；相反，另外一边的实体通过这个关系，则只能唯一对应这一个实体
5. 多对多：只关心两边的实体，通过关系，都可以对应多个对方的实体。

2、把ER模型转换为具体的数据表的原则

1. 一个实体通常转换为一个数据表
2. 多对多的关系，通过也转换为一个数据表
3. 1对1或者1对多的关系，往往通过表的外键来表达，而不是设计一个新的数据表
4. 属性转换为表的字段

---

五、数据表的设计原则

1、三少一多

1. 数据表的个数越少越好
2. 数据表中的字段个数越少越好
3. 数据表中联合主键的字段个数越少越好
4. 使用主键和外键越多越好

---

六、数据库对象编写建议

1、关于库

1. [强制]库的名称必须控制在32个字符以内，只能使用英文字母、数字和下划线，建议以英文字母开头
2. [强制]库名中英文 一小写 ，不同单词采用 下划线 分割。须见名知意
3. [强制]库的名称格式:业务系统名_子系统名
4. [强制]库名禁止使用关键字 (如type,order等)
5. [强制]创建数据库时必须 显式指定字符集，并且字符集只能是utf8或者utf8mb4。创建数据库SQL举例: CREATE DATABASE crm_fund DEFAULT CHARACTER SET 'utf8';
6. [建议]对于程序连接数据库账号，遵循 权限最小原则5使用数据库账号只能在一个DB下使用，不准跨库。程序使用的账号 原则上不准有drop权限。
7. [建议]临时库以 tmp_ 为前缀，并以日期为后缀；备份库以 bak_ 为前缀，并以日期为后缀。

2、关于表、列

1. [强制]表和列的名称必须控制在32个字符以内，表名只能使用英文字母、数字和下划线，建议以英文字母开头。
2. [强制] 表名、列名一律小写，不同单词采用下划线分割。
3. [强制]表名要求有模块名强相关，同一模块的表名尽量使用统一前缀。比如: crm_fund_item
4. [强制]创建表时必须显式指定字符集 为utf8或utf8mb4。
5. [强制]表名、列名禁止使用关键字 (如type,order等)。
6. [强制]创建表时必须显式指定表存储引擎 类型。如无特殊需求，一律为InnoDB
7. [强制]建表必须有comment.
8. [强制]字段命名应尽可能使用表达实际含义的英文单词或缩写。如: 公司D，不要使用corporation_id,而用corp_id 即可。
9. [强制]布尔值型的字段命名为 is_描述。如member表上表示是否为enabled的会员的字段命名为is_enabled.
10. [强制]禁止在数据库中存储图片、文件等大的二进制数据，通常文件很大，短时间内造成数据量快速增长，数据库进行数据库读取时，通常会进行大量的随机IO操作文件很大时，IO操作很耗时。通常存储于文件服务器，数据库只存储文件地址信息。
11. [建议]建表时关于主键: 表必须有主键
    1. 强制要求主键为id，类型为int或bigint，且为auto_increment 建议使用unsigned无符号型
    2. 标识表里每一行主体的字段不要设为主键，建议设为其他字段如user_id，orderid等，并建立unique key索引。因为如果设为主键目主键值为随机插入，则会导致innodb内部页分裂和大量随机IO，性能下降。
12. [建议] 核心表(如用户表)必须有行数据的 创建时间字 (create_time) 和最后更新时间字段(update_time)，便于查问题。
13. [建议]表中所有字段尽量都是 NOT NULL 属性，业务可以根据需要定义 DEFAULT值。因为使用NULL值会存在每一行都会占用额外存储空间、数据迁移容易出错、聚合函数计算结果偏差等问题，
14. [建议] 所有存储相同数据的 列名和列类型必须一致 (一般作为关联列，如果查询时关联列类型不一致会自动进行数据类型隐式转换，会造成列上的索引失效，导致查询效率降低)。
15. [建议]中间表(或临时表) 用于保留中间结果集，名称以 tmp_ 开头。备份表用于备份或抓取源表快照，名称以 bak_开头。中间表和备份表定期清理。
16. 示例

    CREATE TABLE user_info (
        `id` int unsigned NOT NULL AUTO_INCREMENT COMMENT '自增主键',
        `user_id` bigint NOT NULL COMMENT '用户id',
        `username` varchar(45) NOT NULL COMMENT '真实姓名',
        `email` varchar(30) NOT NULL COMMENT '用户邮箱',
        `nickname` varchar(45) NOT NULL COMMENT '昵称',
        `birthday` date NOT NULL COMMENT '生日',
        `sex` tinyint DEFAULT '0' COMMENT '性别',
        `short_introduce` varchar(150) NOT NULL COMMENT '一句话介绍自己，最多50汉字',
        `user_resume` varchar(300) NOT NULL COMMENT '用户提交的简历存放地址',
        `user_register_ip` int NOT NULL COMMENT '注册时的源IP',
        `create_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '创建时间',
        `update_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT '修改时间',
        `user_review_status` varchar(45) NOT NULL COMMENT '用户资料审核状态，1为通过，2为审核中，3为未通过',
        PRIMARY KEY(`id`),
        UNIQUE KEY `uniq_user_id`(`user_id`),
        KEY `idx_username`(`username`),
        KEY `idx_create_time_status`(`create_time`,`user_review_status`)
    ) ENGINE=InnoDB DEFAULT CHARSET=utf8 COMMENT='网站用户基本信息';

3、关于索引

1. [强制]InnoDB表必须主键为id int/bigint auto_increment，且主键值 禁止被更新。
2. [强制]InnoDB和MyISAM存储引擎表，索引类型必须为 BTREE。
3. [建议] 主键的名称以 pk_ 开头，唯一键以 n 或 k 开头，普通索引以 dx 开头，一律使用小写格式，以字段的名称或缩写作为后缀。
4. [建议]多单词组成的columnname，取前几个单词首字母，加末单词组成column_name。如: sample 表member_id 上的索引:idx_sample_mid。
5. [建议]单个表上的索引个数 不能超过6个。
6. [建议]在建立索引时，多考虑建立 联合索引，并把区分度最高的字段放在最前面。
7. [建议]在多表 JOIN 的SQL里，保证被驱动表的连接列上有索引，这样JOIN 执行效率最高。
8. [建议]建表或加索引时，保证表里互相不存在 冗余索引。比如: 如果表里已经存在key(a,b)，则key(a)为几余索引，需要删除。

4、SQL编写

1. [强制]程序端SELECT语句必须指定具体字段名称。
2. [建议]程序端insert语句指定具体字段名称，不要写成INSERT INTO t1 VALUES(...)。
3. [建议]除静态表或小表 (100行以内)，DML语句必须有WHERE条件，且使用索引查找。
4. [建议]INSERT INTO.ALUES(XX),(xX)(xX)..这里xx的值不要超过5000个。值过多虽然上线很快，但会引起主从同步延迟。
5. [建议] SELECT语句不要使用UNION，推荐使用UNION ALL，并且UNION子句个数限制在5个以内。
6. [建议]线上环境，多表 JOIN 不要超过5个表
7. [建议]减少使用ORDER BY，和业务沟通能不排序就不排序，或将排序放到程序端去做。ORDER BY、GROUP BY、DISTINCT 这些语句较为耗费CPU，数据库的CPU资源是极其宝贵的。
8. [建议]包含了ORDER BY、GROUP BY、DISTINCT 这些查询的语句，WHERE 条件过滤出来的结果集请保持在1000行以内，否则SQL会很慢。
9. [建议]对单表的多次alter操作必须合并为一次对于超过100W行的大表进行alter table，必须经过DBA审核，并在业务低峰期执行，多个alter需整合在一起,因为alter table会产生表锁，期间阻塞对于该表的所有写入，对于业务可能会产生极大影响。
10. [建议]批量操作数据时，需要控制事务处理间隔时间，进行必要的sleep。
11. [建议]事务里包含SQL不超过5个，因为过长的事务会导致锁数据较久，MySQL内部缓存、连接消耗过多等问题。
12. [建议]事务里更新语句尽量基于主键或者UNIQUE KEY，如UPDATE...WHERE id=XX；否则会产生间隙锁，内部扩大锁定范围，导致系统性能下降，产生死锁。

---